从内存有限的流中进行感知器训练
是指在云计算领域中，使用有限的内存资源来进行感知器的训练过程。感知器是一种简单的人工神经网络模型，用于解决二分类问题。
感知器训练的过程包括输入数据的传递、权重的调整和输出结果的计算。在内存有限的流中进行感知器训练时，需要考虑如何有效地管理内存资源，以确保训练过程的顺利进行。
分类： 感知器训练是机器学习领域中的一个重要任务，属于监督学习的范畴。它主要用于解决二分类问题，即将输入数据分为两个类别。
优势：
- 简单易懂：感知器模型相对简单，易于理解和实现。
- 快速训练：感知器训练过程中，权重的调整是基于误差的梯度下降算法，计算速度较快。
- 适用性广泛：感知器可以应用于各种领域的二分类问题，如图像识别、自然语言处理等。
应用场景： 感知器训练在实际应用中有广泛的应用场景，包括但不限于：
- 图像识别：通过感知器训练可以实现图像的分类和识别，如人脸识别、物体检测等。
- 垃圾邮件过滤：利用感知器训练可以对邮件进行分类，将垃圾邮件和正常邮件进行区分。
- 情感分析：通过感知器训练可以对文本进行情感分类，如判断一段文本是正面情感还是负面情感。
推荐的腾讯云相关产品和产品介绍链接地址： 腾讯云提供了一系列与机器学习和人工智能相关的产品和服务，可以支持感知器训练的应用场景。以下是一些推荐的产品和对应的介绍链接地址：
- 人工智能平台（https://cloud.tencent.com/product/ai）
- 机器学习平台（https://cloud.tencent.com/product/mls）
- 图像识别（https://cloud.tencent.com/product/tii）
- 自然语言处理（https://cloud.tencent.com/product/nlp）
- 数据处理与分析（https://cloud.tencent.com/product/dpa）
请注意，以上推荐的产品和链接仅供参考，具体选择应根据实际需求和情况进行。
相关·内容
2回答
从内存有限的流中进行感知器训练
、、、、
我想使用流数据中的随机梯度规则来训练感知器。我的内存非常有限，只能存储N$examples。 假设我的人口由点组成，如下图所示： ? 现在假设我的第一个N示例按照下面的方式出现，我可以正确地将它们归类为下一张图片中的显示： ? 现在的问题是，如果下一个N示例是这样的： ? 我已经将它们分类如下所示。问题是，由于我不能为以前的N示例训练感知器(因为我只能存储N示例，并且以前的N示例需要被丢弃)，所以对下一个N示例的训练与以前的N示例的超平面相矛盾。 如何从流数据中训练感知器？我是否需要存储所有示例，或者有其他方法？
浏览 20提问于2019-02-07得票数 2
回答已采纳
请让我知道这个问题是否应该张贴在不同的堆栈，如。
假设我已经训练了我的CNN。我的输出有没有像感知器一样被表示成一个公式(x1w1 + x2w2 + ... =预测)。
如果公式比感知器的公式更复杂，这并不重要，但一般来说，是否可以在Python或Matlab中训练CNN，获得权重并创建一个算术，指数，任何使用这些获得的权重的公式？
我之所以这样做，是因为我正在尝试在一个PIC32 (一种低成本的微芯片)中进行分类，我认为它本身没有执行CNN的能力。
或者，例如，我是否应该追求某种可以做CNN的"C库“的想法？
浏览 0提问于2019-03-21得票数 1
我以前用来解释线性可分数据。我还在读米切尔的机器学习书，我很难理解为什么感知器规则只适用于线性可分离的数据？
Mitchell对感知器的定义如下：
也就是说，如果加权输入之和超过某个阈值，则y为1或-1。
现在，问题是确定一个权重向量，使感知器为每个给定的训练示例产生正确的输出(1或-1)。实现这一目标的一种方法是通过感知器规则：
学习一个可接受的权重向量的一种方法是从随机权值开始，然后迭代地将感知器应用于每个训练示例，当感知器的权重错误分类时，修改感知器的权重。这个过程被重复，根据需要反复重复训练示例，直到感知器正确地对所有训练示例进行分类。根据感知器训练规则在每一步修改权重，根据该
浏览 2提问于2012-12-21得票数 3
回答已采纳
2回答
我正在尝试用python实现多类感知器。当涉及到多分类时，我已经完全理解了感知器算法的概念，但仍然对我们应该从训练数据中提供的特征向量感到困惑。
这个问题只是一个文本(文档)分类问题。我正在尝试在文本预处理阶段使用单字词频作为感知器的特征。当我基于每个训练文档中的词频为每个文档构建特征时，构建的特征恰好是非常稀疏的(文档中出现的每个标记的词频为0，没有出现的词频为0)。
我的问题是关于这方面的替代方案。有没有更好的构造特征向量的解决方案？
谢谢!
浏览 7提问于2020-02-13得票数 0
如果我在这里错了，请纠正我，但是可以使用1层网络实现最少3门(NAND，OR)->(和)的XOR函数。但是，是否有可能正确地训练网络，让每个感知器只使用一个阈值激活函数和感知器训练规则？即使用感知器学习规则，而不是增量学习规则。
到目前为止，理论上我唯一的解决方案是在形成实际网络之前单独训练每个感知器来完成它们的特定任务(即NAND或和和)，但这就违背了学习网络的意义。
浏览 1提问于2013-08-05得票数 1
回答已采纳
1回答
我已经实现了一个多层感知器，并首先设计了训练方法，以进行一定数量的训练。我针对XOR逻辑门对网络进行了训练，大多数时候网络会学习如何解决问题，但偶尔网络只会学习两个训练示例，并停留在其他两个示例上。
起初我认为这并不重要，但后来我想将训练方法更改为在误差低于我选择的某个可接受的误差值后停止。现在，网络有时会从训练中返回，有时会像我上面提到的那样卡住。这是正常的，是一个多层感知器有时无法正确学习，还是这是我的实现中的一个错误。
如果重要的话，实现是在C++中，并且多层感知器是标准的前馈反向传播神经网络；2个输入神经元，2个隐层神经元，1个输出神经元。
我是否应该使用两个输出神经元，如果是的话，值
浏览 0提问于2013-07-17得票数 1
回答已采纳
1回答
如果我有一个具有sigmoid激活函数的前馈多层感知器，该感知器经过训练并具有已知的权重，我如何找到网络近似的曲线的方程(分隔两种类型数据的曲线)？
浏览 0提问于2013-04-21得票数 1
回答已采纳
1回答
我正在尝试制作一个简单的径向基函数网络(RBFN)用于回归。我有一个包含超过600个样本的20维(特征)数据集。我需要最终的网络输出一个标量值为每个20维的样本。
注意:刚接触机器learning...and时，我感觉这里缺少一个重要的概念。
有了感知器，我们可以，我已经训练了一个线性网络，直到使用初始样本的一个小子集将预测误差降到最小。
RBFN是否也有类似的过程？
浏览 1提问于2013-04-19得票数 2
回答已采纳
1回答
我从机器学习开始，目前我正在努力理解人工神经网络。在多层感知器中，最大限度地降低了代价函数(例如交叉熵)，但我必须将所有的训练数据输入到神经网络中。这不是一个典型的人类学习过程。相反，随着时间的推移，经验会随着时间的推移而发生变化，而预测可能会因新的信息而发生变化。换句话说，机器/网络必须通过改进其预测来响应不断变化的环境。我有两个问题：
使用贝叶斯技术进行优化难道不是更自然的吗?下一个培训示例会改进经验(我的神经网络将通过提供新的数据来随着时间的推移而改善)？
一个神经网络从一开始就需要所有的训练数据吗?还是我可以通过提供一个新的信息(例如在一段时间后)而不引用以前的训练数据来不断地改进它(
浏览 0提问于2017-05-04得票数 -1
2回答
我正在使用scikit类Perceptron提供的非常基本的线性分类器：
clf = linear_model.Perceptron(n_iter=12)
clf.fit(X,Y)
我有一个X数组，其中行是实例，列是二进制特性。我的类有一个Y数组。我的数据有三类。我有两个问题:1)感知器算法需要一个偏差项。科学感知器是如何处理偏见的？我应该在我的输入X数据中添加一个“偏差列”(所有的)吗？或者，scikit感知器功能是否会自动向X数组(输入)添加带有功能的偏倚？或者是分别处理偏差?2)如何为我的感知器找出训练误差？
浏览 4提问于2014-10-14得票数 2
回答已采纳
我正在移动我在神经网络中的第一步，为了做到这一点，我正在用一个非常简单的单层，单输出感知器进行实验，它使用了一个S型激活函数。每次出现训练示例时，我都会使用以下命令在线更新权重：
weights += learningRate * (correct - result) * {input,1}
这里，weights是一个n长度的向量，它还包含来自偏置神经元的权重(-阈值)，result是在给定input时由感知器计算的结果(并使用sigmoid进行处理)，correct是正确的结果，{input,1}是用1(来自偏置神经元的固定输入)增加的输入。现在，当我尝试训练感知器来执行逻辑与时，权重不会在
浏览 4提问于2011-08-24得票数 0
回答已采纳
3回答
我在使用Matlab神经网络工具包实现多层感知器时遇到了一个问题。
我尝试实现神经网络，它将识别存储为二进制图像(大小为40x50)的单个字符。将图像转换为二值向量。输出采用6位编码。我以这种方式使用简单的newff函数(隐藏层中有30个感知器)：
net = newff(P, [30, 6], {'tansig' 'tansig'}, 'traingd', 'learngdm', 'mse');
然后，我用三种不同字体的十几个字符训练我的网络，训练参数如下：
net.trainParam.epochs=10000
浏览 0提问于2011-12-20得票数 2
1回答
什么是训练
、、
我是一个深入学习的新手，我有一个简单的问题。
我在读一些关于神经网络的文章。它说人们创造了一个简单的神经网络叫做感知器。这个网络不能解决一个非常简单的问题:排他性或。
我认为这是因为我不知道如何训练一个神经网络，也不知道如何为一个神经网络设定权重。
你能用这个例子和：0 & 0 = 0 1 & 0 = 0 0 & 1 = 0 1 & 1 = 1描述一下感知器的训练过程吗？
通过这样的训练，感知器的重量看起来如何？
浏览 0提问于2017-11-29得票数 0
回答已采纳
NLTK感知器标记器的标记集是什么？预训练模型使用的语料库是什么？
我试着从NLTK网站上找到官方信息。但他们没有。
浏览 19提问于2016-07-26得票数 4
1回答
我有一个数据集，其中的响应变量为病态(1)或非病态(2)。就变量而言，有几个数字变量(2/14)，其余的都是按等级计算的变量(例如:1-腹痛，2-咽痛.)。
我有两个问题：
多层感知器能对二进制变量进行分类吗？或者只能返回数值？
2-二元或水平变量可以作为训练传递给多层感知器吗？
非常感谢。
浏览 0提问于2022-03-24得票数 0
回答已采纳
1回答
基于感知器的情感分析
、、、、
我正在尝试使用感知器来实现情感分析，以便在python中获得更好的准确性。我迷失在数学的排序，并需要简单的解释如何移植它用于情感分析。已经有一篇论文发表在同一篇文章上：
这里有谁能解释得清楚详细吗？我有一个训练数据集和测试数据集，每个数据集都有5000篇评论，并且我得到了78 %的准确性。有人告诉我感知器会给我88%的准确度，我很想去实现它。
浏览 6提问于2013-11-05得票数 2
回答已采纳
1回答
我读了一篇论文，，用感知器进行动态分支预测。我想知道如何在C中实现感知器分支预测器，如果给出1000个PC地址(字地址)的列表，以及记录在跟踪行中的分支的实际结果的1000个数目。本质上，我想用这些痕迹来测量各种预测器的精度。应该使用跟踪文件的分支结果来训练预测器。有什么建议吗？
浏览 3提问于2013-10-29得票数 0
回答已采纳
我正在Torch中实现一个多层感知器神经网络，遵循 (从“示例:训练神经网络”到“火炬基础:测试神经网络”部分)。
现在，我必须在这个神经网络模型中添加一些，但我不知道如何操作。梯度下降部分是：
criterion = nn.MSECriterion()
trainer = nn.StochasticGradient(mlp, criterion)
trainer.learningRate = 0.01
trainer:train(dataset)
我希望有这样的命令: trainer.momentum = 1，但没有这样的东西。
有人知道如何给我的Torch神经网络模型增加动量吗？
浏览 3提问于2015-12-18得票数 2
我有一个标准的前馈反向传播神经网络，我想训练能够识别一个蓝色的球。我有30张照片，20张没有球，10张没有，我的第一个问题是，这是否足够，我假设它比少一些更好，但最好知道是否有最低限度的种类。每幅图像的宽度为96像素，宽128像素，因此RGB的总倍数为12 288像素，这在我的输入层提供了36,864个感知器。因为我只需要知道一个图像是否包含蓝色的球，所以我有一个输出感知器。网络中的所有感知器都使用逻辑激活功能。在我的隐藏层中，我尝试了很多不同数量的隐藏单元，从100到3000不等，但它们似乎都没有工作，网络要么说MSE足够低，可以在1次迭代后停止，要么网络永远无法达到所需的MSE，并且由于训
浏览 2提问于2011-09-26得票数 2
回答已采纳
1回答
我需要开发一个神经网络，并将输入分为3类。其中一个类别是“不知道”
我应该使用一个单一的输出感知器来训练网络吗?哪一个训练示例分类为1,2，或3？还是应该使用2输出感知器并使用二进制方案(01、10、00/11)对输入进行分类？
浏览 1提问于2014-12-26得票数 0
回答已采纳
我已经在我的患者数据集上应用了聚类算法，如k-mean，k-medoid和DBSCAN。对于每个算法，RapidMiner生成集群模型(质心表和图等)和集群集(显示哪些示例属于哪个集群)。现在我想要一些方法，当一个新患者到来时，我想根据以前训练的模型为他分配一个簇。我搞不懂做这件事的方法。是不是这样，我可能是错的
对于新患者的每个属性值-来自质心表的该属性值求和患者和服用平均的所有属性的差异。
则为其分配关于该患者的平均g最小的集群。
如果这是正确的方式，那么我将如何重新聚类，即当新患者到来时，我们的算法是为他分配聚类，这意味着。质心会移动，然后我必须在每次插入记录时重新进行聚类。在我的场景中
浏览 3提问于2013-07-08得票数 1
1回答
下面的代码是在Matlab中实现的。我想用分批算法训练感知器来分离这个可分离点。因此，为了做到这一点，我使用了adapt()函数，但它似乎不起作用。我的意思是，我的感知器无法将这些点按其应有的方式分类。它有一些根本没用的权数。另一方面，当我使用train()函数时，一切按照plan.The感知器能够准确地对点进行分类。有人能向我解释我的代码出了什么问题吗？提前感谢！
function problema2_1()
p = -1 + ( 1 + 1) .* rand(3,5);
for i = 1 : length(p)
if 2 * p(1,i) - p(2,i) + p(3,i) &
浏览 2提问于2015-04-21得票数 0
回答已采纳
在Weka是否有可能将成本因素降到最低？我有一个数据集，在每个样本中包含一个成本因素。它定义了使用此示例所需的费用。现在，我想选择尽可能多的样本，同时最小化这个成本因素。例如，使用多层感知器，我想以一种方式训练神经元，使它选择尽可能多的样本，同时最小化成本因素的总和。
我已经检查了所有的模型选项，也在包管理器中搜索了类似的东西，但是我找不到任何东西。有人能告诉我是否可以用Weka完成这件事吗？
浏览 4提问于2022-11-21得票数 0
1回答
我做了一个神经网络，我想把输入数据(每个输入数据400个特征)归类为五种阿拉伯方言之一。我使用net.divideFcn = 'dividerand';将训练数据划分为“训练数据”、“验证数据”和“测试日期”。我使用trainbr作为训练函数，这会导致长时间的训练，这是因为我在训练数据中有9000个元素。对于网络架构，我使用了两层，一层有10个感知器，第二层有5层，5层，因为我使用的是一比一的策略。网络训练通常以最小梯度结束，而不是最小误差。
我怎样才能让网络预测得更好？是否存在泛化问题(网络很好地学习了训练数据，但是新数据的测试往往失败？)我应该在第一层增加更多的感知器吗？我
浏览 2提问于2017-05-15得票数 1
回答已采纳
2回答
我正在开发一个使用OCR技术从图像中识别字符的程序。到目前为止，我使用的是扫描图像的方法，但现在我必须使用神经网络。请解释什么是单层感知器以及如何使用它来训练网络。
浏览 4提问于2009-03-14得票数 1
1回答
假设我训练了一个二进制分类器--一只狗还是一只狗，图像是输入的，所以问题是，假设我使用一个多层感知器作为分类器，假设我用位于图像中心的狗的图像来训练它，然后如果我提交一张狗的照片，它的脸就在角落里，那么感知器就无法正确地分类。
但是如果我用CNN，它就能在这种情况下认出狗。我说的对吗？
浏览 1提问于2022-03-05得票数 0
我已经安装了Windows2.91版的NeurophStudio。我已经使用多层感知器创建了一个神经网络，并加载了一些训练数据。现在我想训练神经网络，但是训练、停止、暂停和测试按钮被禁用。如何启用它们？我也有一个问题，程序没有反应几次，我必须重新启动它。安装新版本没有任何帮助。
浏览 0提问于2015-01-06得票数 1
我使用VGG-16预先训练的模型和微调最后3个FC层。但在我的例子中，我只使用3个类作为我的分类。我想问如何选择FC层的感知器。我应该可视化Conv5_3层，然后做出决定吗？顺便说一句，VGG-16官方模型是FC层中的4096,4096,1000感知器.
浏览 1提问于2018-06-19得票数 0
回答已采纳
1回答
我想用python和ı实现感知器，使用以下等式，但是ı如何设置偏差以及如何更新它。
您可以单击下面的链接查看公式。
其中x是D维输入向量，w是D维权重向量，b是标量
我使用反向传播算法来训练感知器
浏览 0提问于2020-03-28得票数 0
2回答
理解感知器
、、、、
我刚开始上机器学习课，我们复习了感知器。对于家庭作业，我们应该：“选择合适的二维(平面)训练和测试数据集，使用10个数据点进行训练，5个数据点进行测试。”然后我们应该编写一个程序，它将使用感知器算法并输出：
关于训练数据点是否线性可分的评论
关于测试点是否为线性可分点的评论
您最初选择的权重和常数
最终解方程(决策边界)
算法所做的权重更新总数。
在培训集上进行的迭代总数。
对训练数据和测试数据的最终错误分类错误(如果有的话)。
我已经读了好几遍我的书的第一章，我仍然有困难，充分理解知觉。
我知道如果一个点被错误分类，你会改变权重，直到不再有错误分类，我想我
浏览 2提问于2015-01-31得票数 3
回答已采纳
1回答
我试图用神经网络来预测足球比赛的结果，我尝试过不同数量的隐神经元数的多感知器网络，并且无法获得足够低的网络错误率，以保证训练的成功。我训练集的数据是:主队id，球队等级，主场胜利%，前锋等级，中场等级，防守等级，客场胜利率，客场胜利率，前锋等级，中场等级，防守等级，客场胜利0 1 0，客场胜利0 1 0。团队Is是二进制的，例如0 0 0 1 -1 1 1。这些数据对网络的成功训练有帮助吗？
浏览 1提问于2014-04-15得票数 0
回答已采纳
1回答
我试图为二进制分类建立一个简单的CNN模型，但是训练数据集包含超过100 k的“.png”文件。如果我一次加载所有数据来训练模型，它将创建一个MemoryExhaustion错误。有人能帮我建立网络来处理如此庞大的数据集吗？
浏览 4提问于2022-06-15得票数 -1
回答已采纳
2回答
我是机器学习的新手。我编写了这段代码，用于训练感知器，以便使用感知器训练规则学习布尔AND函数。
感知器永远不会学习正确的权重。输入(1，-1)和(-1，1)的误差使得权重在0.7999999999999999，0.20000000000000004和0.7，0.300000000000000之间振荡，这很明显，如下所示
For input 1, -1
target output - output given = 0-1 = -1
w1 = w1 + n*(t-o)*1 = w1 - n
w2 = w2 + n*(t-o)*(-1) = w2 + n
for input -1, 1
浏览 1提问于2015-11-28得票数 1
1回答
带有界条件数权值的脉冲加速器
、、、、
设N为(线性)单层感知器，具有维数nxn的加权矩阵w.
我想在布尔约束下训练N，即在优化的每一步，权重w的条件数k(w)保持在给定的阈值k_以下。
是否有一种标准的方法来实现这个约束(例如，在pytorch中)？
浏览 1提问于2021-09-27得票数 1
回答已采纳
3回答
对于所有线性分类器和线性回归算法，预测算法都是完全相同的吗？
众所周知，任何线性分类器都可以描述为：y = w1*x1 + w2*x2 + ... + c
📷
确定线性分类器参数的方法有两大类(生成和鉴别)：https://en.wikipedia.org/wiki/Linear_分类器。
线性判别分析(或Fisher线性判别)，朴素贝叶斯分类器
Logistic回归、感知器、支持向量机
问:线性分类器只在学习算法中有所不同，但它们在预测y = w1*x1 + w2*x2 + ... + c时也是这样吗？
如果我使用一种训练方法(例如带有线性核函数的支持向量机)，那么我是否可以使用其他方法进行
浏览 0提问于2019-01-31得票数 5
回答已采纳
1回答
我正在使用NeurophStudio，我正在尝试训练网络来学习它的功能：
如果x< 0.3，则f(x) =0|如果x> 0.3，则F(X)= 0.7
你知道我能不能用神经元网络来做这件事，如果是的话，该怎么做？我试着使用感知器和多层感知器，但还没有成功。
谢谢，安德烈
浏览 0提问于2013-03-16得票数 1
2回答
我需要实现一个简单的感知器算法。有两个类别“猫和狗”。每个训练样本是一对(x,t)形式，其中x是输入值的向量，t是目标输出值。但我不知道如何在python中将图像转换为感知器的矢量形式？向量形式是什么意思？
图像的大小为32*32。
浏览 1提问于2019-07-15得票数 0
2回答
在阅读了很多其他人的神经网络代码后，我确信我的代码有些地方不对劲。它是有效的，我可以训练一个网络它只是为了训练隐藏层中的下一个感知器，我必须训练最后一个感知器，我不应该能够并行地训练隐藏层中的所有单元吗？
下面是计算隐藏层误差的代码：
for(int i=n->numOfPerceptronLayers-2;i>=1;i--) { // for all hidden layers
float sum = 0.0; // <- This here is the problem
for(int j=0;j<n->perceptr
浏览 0提问于2011-08-17得票数 1
当我用整数张量初始化Variable op时，它似乎没有GPU内核。例如，运行：
with tf.device('/gpu:0'):
var = tf.Variable(initial_value=([[1,2],[3,4]]))
sess = tf.Session()
sess.run(var)
将导致例外情况：
tensorflow.python.framework.errors.InvalidArgumentError: Cannot assign a device to node 'Variable': Could not satisfy expli
浏览 2提问于2016-05-25得票数 2
回答已采纳
我制作了一个分类器，将搜索查询分类为以下类别之一：{艺术家，演员，政治家，运动员，设施，地理，定义，QA}。我有两个csv文件:一个用于训练分类器(包含300个查询)，另一个用于测试分类器(当前包含大约200个查询)。当我使用training use和testset来训练/评估带有weka knowledgeflow的分类器时，大多数类都达到了相当好的准确性。Weka知识流培训/测试场景设置：
训练结束后，我将知识流中的MultiLayer感知器分类器保存到classifier.model中，我在java代码中使用它来对查询进行分类。
当我在java代码中反序列化这个模型，并使用它在
浏览 1提问于2012-05-25得票数 0
1回答
我是人工智能的初学者，所以如果我问一个愚蠢的问题，我很抱歉。我想要做的是，只训练一个感知器来对4类输入进行分类。我知道，通常情况下，感知器是二进制分类器，但我想知道，对于这个特殊情况，我是否可以打破规则，因为它有一个非常容易分类的规则。数据样本包含笛卡尔坐标给出的点。给出了x坐标总是1，4之间的整数，y坐标取0到1之间的值，只有1位精度的事实。(0:1:1 Matlab表达式)。这些类只依赖于X坐标.这个类就是X坐标。例如，(1，0.3)在第一班，( 3，0.2)在第三班，可能只训练一个感知器来学习这个规则？提前感谢
浏览 0提问于2015-04-19得票数 1
回答已采纳
关于多层感知器(MLP)和Hopfield网络的训练和测试集的选择，我有一个问题。
例如，假设我们得到了以位图格式给出的数字0-9的100个模式。其中10位是完美的数字，其余90位是扭曲的。哪些模式将用于培训集，哪些模式将用于测试集？目标是对数字进行分类。
我想对于Hopfield网络，完美的数字将被用作训练集，但是MLP呢？我想到的一种方法是，以70种扭曲的数字为例，将它们作为训练集和相应的完美数字作为它们的预期目标。这个方法正确吗？
浏览 0提问于2018-08-20得票数 0
1回答
当我需要解决回归任务并使用尽可能少的实例时，我遇到了一些问题。当我尝试使用Xgboost时，我必须提供4个实例才能获得合理的结果。但是，多层感知器调整以克服回归问题必须采取20个实例，试图改变神经元的数量&层，但答案仍然是20 .Is有可能做一些事情，使神经网络解决回归任务从2到4个实例？如果是-请解释一下我应该做些什么才能成功？也许在需要多少实例来训练并从感知器中获得合理的结果与数据集内的特征如何有价值之间存在某种相关性？
提前感谢您的帮助
浏览 5提问于2017-07-31得票数 0
1回答
我想在Python中实现用于逻辑回归的感知器。对于我的训练数据，我想从多元正态分布中生成两个随机数据点(每个1500点)中的3000个训练实例。
μ1 = [1, 0]
μ2 = [0, 1.5]
Σ1 = [[1, 0.75]
[0.75, 1]
Σ2 = [[1, 0.75]
[0.75, 1]]
并将它们标记为0和1。我想以同样的方式生成测试数据。
浏览 3提问于2018-03-21得票数 0
回答已采纳
1回答
目前，我正在使用sklearn scale对X数据进行预处理，然后再放入感知器- mean/stddev，以防止数据收敛到无穷大或0。我的感知器在网络训练后返回权重+偏差：
X = preprocessing.scale(X)
在通过我的感知器处理X和Y数据之后，我返回了权值。从这些权重中，我可以计算出最佳拟合线：
ls = cp.linspace(cp.min(X), cp.max(X))
best_fit = w[1]+w[0]*ls
其中w[1]是一种偏见。这条best_fit线是准确的，但它相对于预处理的X，而不是我想要绘制的原始X。如果可能的话，使这些权重相对于原始X值的技术是什么？
浏览 0提问于2018-03-14得票数 1
回答已采纳
1回答
我有一个有监督的学习问题，在这个问题中，我的算法将被提供一组训练示例，用于学习形状是否为正方形。我想知道哪种类型的ANN是最好的。我知道如果数据是线性可分的，你可以选择感知器。当然，我可以很容易地有一个超平面来划分我的正方形和圆圈？那么感知器不是一个足够好的选择吗？然而，多层前馈网络不是更常用吗？什么是自然的选择?为什么？
下图显示了提供给系统的训练数据。NN需要将二维数据A=a1、a2分类为正方形和圆形。
谢谢。
浏览 3提问于2011-04-22得票数 7
回答已采纳
2回答
我已经在keras中训练了一个多层感知器，将模型序列化为JSON，并将权重保存到HDF5。如何在C/C++中导入此模型以对其进行预测？
浏览 20提问于2018-08-02得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
